遥感资料在青海草地资源监测及评价中的应用研究

利用EOS/MODIS、NOAA/AVHRR卫星遥感监测的植被指数(NDVI)、地面定点监测的实际地上牧草产量资料,依据卫星遥感监测原理,在点和面上研究、建立了植被指数与牧草产量之间的关系模式,给出了草地资源卫星遥感监测和评价方法。监测和评价结果显示:2004年青海省草地资源从东南部向西北部逐渐递减,产量最高区处于黄南州南部和果洛州东南部,最低区处于西北部的柴达木盆地,近20年来天然草地资源的分布规律没有发生变化,但草地生产力在逐步下降,草地资源在逐年减少,仅果洛州全州平均牧草产量比1986年下降了4.04%,牧草总量减少85.10×104t,理论载畜量减少了63.11×104只绵羊单位;暖干旱化的气候变化趋势是造成青海省天然草地生产力下降、呈现退化趋势的主要原因。     

祁连县天然草地地上生物量及草畜平衡研究

论文利用2013—2014年的MOD13Q1数据、草地地上生物量鲜重实测数据、多年降水数据和统计年鉴数据,建立了祁连县草地地上生物量与牧草鲜重的遥感监测模型以及不同季节放牧草场的理论载畜量模型,分析了天然草地草产量年内动态变化与载畜量平衡状况并对草畜调控进行模拟。结果表明：MODIS增强型植被指数EVI的指数函数可以较好地模拟祁连县草地地上生物量鲜重,精度达到71%;年内牧草生长呈单峰曲线,7月草地可食产量达到峰值 2 322.61 kg/hm²,12月最低,为702.06 kg/hm²;祁连县冷暖季平均可食鲜草产量分别为1 728.14和1 604.70 kg/hm²,年可食鲜草总量分别达到7.74×10⁸和7.82×10⁸ kg;暖季、冷季和全年的理论载畜量分别为1.517 8、0.637 0和0.931 4羊单位/hm²,暖季、冷季和全年的超载率分别为101.70%、261.19%和149.22%;保持现有的家畜数量,需在暖季草场和冷季草场分别补饲牧草0.36×10⁸ 和7.17×10⁸ kg;保持现有草场,则暖季草场和冷季草场分别需要减6.68×10⁴和53.64×10⁴羊单位;暖季不进行补饲,冷季草场家畜在减少40%的情况下,依旧需要补饲1.17×10⁸ kg。     

草原干旱对天然牧草生长发育及产量形成的影响

天然牧草是放牧畜牧业的主要物质基础 ,其生长动态和产量形成受气象条件的影响和制约 ,特别是水份条件在很大程度上决定着植物的地理分布和生物生产力水平。本文根据大气降水量及土壤水份条件与天然牧草生长动态及产量的关系 ,建立了天然牧草生长高度动态模式和草原初级气候生产力模式 ,以便进一步研究 ,为草原干旱的气候指标提供理论依据     

基于TM遥感影像的湿地松林生物量研究

利用江西千烟洲地区2005年Landsat5TM遥感图像数据和同期野外调查获得的28个样方湿地松(Pinuselliottii)各器官生物量数据,分析了植被指数、影像变换(主成分分析,缨帽变换)结果与森林各器官生物量之间的相关关系,进而建立了光谱-植被指数与生物量多元回归模型。湿地松林各器官与遥感光谱、植被指数拟合相关性大小依次为:叶生物量>枝生物量>地上生物量>树干生物量。通过多元回归模型计算出湿地松林叶生物量平均为573g.m^-2,地上生物量平均为6628g.m^-2,低于样地调查平均值。单一植被指数与生物量相关性较低,ND-VI并不适用于盖度较大的湿地松林;遥感影像经主成分分析后生物量光谱模型的相关系数略有提高,缨帽变换后反而使模型的相关系数降低。     

宁夏天然草场产量与气候因子关系及人工草地产量估算

本文利用了宁夏地区草场产量资料,分析了它与气候因子的关系,结果表明水分是制约产量变化的主导因子。又结合本区实际情况,将文献[1]计算苜蓿作物干物质产量经验系数(K=0.9)修正为1.2,而后计算了充分灌溉和靠天然降水条件下两类耕地的牧草最大产量,这些研究结果,为本区畜牧业生产建设和规划提供了科学依据。     

基于高光谱遥感的沿海河口无机氮浓度空间分布特征解译

利用39组样本的野外实测光谱结合Hyperion影像资料,建立了高悬沙含量沿海河口可溶性无机氮(dissolved inorganic nitrogen,DIN)的高光谱定量遥感解译模型,实现DIN浓度空间分布规律的遥感反演及动态监测.研究发现,当悬沙浓度0.1kg/m3时,DIN浓度与悬沙含量之间呈显著的倒数相关关系,相关系数R2为0.617.据此首先将重采样处理后的野外实测光谱与同步DIN浓度数据进行统计相关分析,筛选出2个对DIN浓度变化敏感的波段,中心波长分别为630nm和804nm;然后利用波段反射率R804和R630计算出仿泥沙遥感参数因子R804×R630/(R804-R630),建立其与实测DIN浓度的非线性遥感模型,29组建模样本和10组检验样本的相关系数R2分别为0.746和0.67,DIN浓度平均绝对误差分别为109.07μg/L和147.58μg/L.将该非线性遥感模型应用于Hyperion影像,获得了射阳河口DIN浓度的空间分布特征,DIN浓度的变化范围为52～513μg/L.可以看出,在以悬沙为主要悬浮物的沿海河口,遥感解译得到的DIN浓度扩散趋势与潮流的运动以及悬沙的运移规律密切相关.因此,在无需了解水动力状况的条件下,高光谱遥感是对DIN浓度进行动态监测的有效手段.     

基于现场光谱的黄河口湿地芦苇生物量估算模型研究

本文利用2014年春季黄河口湿地芦苇的现场光谱和生物量数据,以植被指数、光谱一阶导数及其导出量为特征参数,运用多种单变量回归模型,构建了基于现场光谱的芦苇生物量估算模型。结果表明:(1)总体上,特征参数与生物量的相关性由大到小排序为:植被指数 光谱一阶导数 光谱一阶导数导出量;(2)春季芦苇光谱在715~755 nm波段范围处的一阶导数与生物量显著相关。当构成植被指数的红光波段在722~751 nm范围内,近红外波段为765 nm或768 nm时,植被指数与生物量相关性最好;(3)S型模型和三次模型较其他单变量的估算模型结果好,所有估算模型中,修改型土壤调节植被指数MSAVI(modified soil adjusted vegetation index)的S型模型的估算结果最好,R2、MRE和RMSE分别为0.817、11.80%和0.085 kg/m2,且估算值总体上与实测值相当。     

微波植被指数在云南省植被动态监测中的适用性研究

基于遥感的植被指数是科学监测植被动态变化的最有效方法。然而,在我国西南地形复杂区域,基于植被光谱特征的光学植被指数常常因大气状况及环境条件等的影响而受到很大的限制。利用云南省2013年1月至2018年12月AMSR2 (Advanced Microwave Scanning Radiometer 2,即先进微波扫描辐射计2)双极化亮温数据,计算了云南省2013—2018年多年平均逐月微波植被指数,并选取草地、耕地、落叶阔叶林、常绿阔叶林及常绿针叶林五种典型植被类型区,对比分析了不同植被类型区各微波植被指数的季节变化规律及其与光学植被指数(NDVI)的相关性。结果表明:各微波植被指数的变化幅度均较小,低频和高频微波极化差异指数(MPDI)可以反映云南省各种植被类型的季节变化规律,同时低频MPDI对植被季节变化特征的响应更显著,而低频微波植被指数(MVIA和MVIB)对草地的季节变化响应更敏感。各微波植被指数与NDVI的相关性在低矮植被区更显著,更能反映低矮植被类型随季节变化规律。总体看来,各微波植被指数能够很好地识别不同类型植被的季节变化规律,可作为光学植被指数的有力补充,用于长时序、大范围植被动态监测。     

基于微分变换的湿地植物高光谱全氮反演

叶片全氮含量是监测和诊断湿地植物生理状况及生长趋势的重要指标,利用高光谱技术监测湿地植物氮含量,对于理解湿地生态系统氮循环具有重要意义.为探究湿地植物叶片全氮含量遥感光谱的估算方法,以云南省大理西湖湿地公园优势植物芦苇（Phragmites australis）和茭草（Zizania caduciflora）全氮含量为研究对象,对叶片光谱数据进行预处理并建立二者的关系模型,包括单变量模型、多变量模型（偏最小二乘回归模型和BP神经网络模型）,并利用决定系数（r²）和均方根误差（RMSE）对模型精度进行检验.结果表明:（1）不同形式的光谱变换增强了植物全氮含量与光谱变量的细节特征,二者的短波红外波段相关性强于可见光近红外波段.芦苇二阶微分（R"）反射率与全氮含量在1682 nm处相关性最强,相关系数为0.70;茭草平方根二阶微分[(R^1/2)"]反射率与全氮含量在1 190 nm处相关性最强,相关系数高达-0.80.（2）不同植物类型相比,利用茭草的变换光谱反射率建立的单变量和偏最小二乘回归模型建模精度都高于芦苇.（3）不同回归模型相比,BP神经...     

闽江口沼泽植被地上鲜生物量与植株密度高光谱遥感估算

湿地植被地上生物量与湿地生态系统生产力、碳循环和养分循环等密切相关,是当前研究中的主要关注点之一。利用ASDFieldSpec2500 便携式地物波谱仪测定闽江口鳝鱼滩芦苇（Phragmites australis）和短叶茳芏（Cyperus malaccensis Lam. var. brevifolius Bocklr.）冠层反射光谱,同时测定其地上鲜生物量和植株密度,分析地上鲜生物量与冠层反射光谱及一阶微分光谱的相关关系,确定敏感波段,进而改进植被指数;利用回归分析法,基于各个植被指数,构建地上鲜生物量和植株密度的估算模型。结果表明,芦苇和短叶茳芏地上鲜生物量与冠层反射光谱在蓝光、红光及近红外波段相关性较高;与一阶微分光谱在蓝边、红边相关性较好;芦苇地上鲜生物量与冠层光谱和一阶微分光谱的相关系数均优于短叶茳芏。芦苇和短叶茳芏地上鲜生物量估算模型R2分别在0.408 5~0.765 和0.101 9~0.315 3 之间,估算精度相对于其他参数较高的参数主要有BNDVI、NDCI和MGBNDVI,最佳估算参数均为BNDVI;植株密度估算模型R2分别在0.093 0~0.718 和0.138 9~0.233 7 之间,估算精度相对于其他参数较高的参数主要有GBNDVI、BNDVI、MGBNDVI、NDCI 及SR, 最佳估算参数分别为GBNDVI和NDCI。一定程度上来说,利用高光谱数据估算河口芦苇和短叶茳芏地上鲜生物量和植株密度是可行的。     

应用NOAA／AVHRR遥感资料对大面积草场进行产草量定量估算的方法研究

本文选择我国北方典型草原区──内蒙古锡林郭勒草原为试验区，开展了利用ＮＯＡＡ／ＡＶＨＲＲ资料进行大面积草地产草量遥感定量估算方法的研究，从估产原理、植被指数选取、景观生态分区等方面，探讨了ＮＯＡＡ／ＡＶＨＲＲ资料应用于大面积估产和动态监测的可行性和具体途径，为提高估产精度，尝试了大气纠正、几何纠正、多时相数据最大值化处理等新的数据预处理方法，并结合了ＧＩＳ技术，结果表明，适宜的景观生态分区及必要的数据预处理是提高估产精度的基础。     

Vegetation monitoring using diferent scale of remote sensing data

１ＩｎｔｒｏｄｕｃｔｉｏｎＬａｎｄｓｃａｐｅｓｔｒｕｃｔｕｒｅｗｉｔｈｉｎｔｈｅＭｕＵｓＤｅｓｅｒｔ，ａｓｅｍｉａｒｉｄｒｅｇｉｏｎｏｆｎｏｒｔｈｅａｓｔｅｒｎＣｈｉｎａ，ｉｓｔｈｅｂａｓｉｃｆｏｃｕｓｏｆｔｈｉｓｓｔｕｄｙｃｏｎｃｅｒｎｉｎｇｌａ...     

应用NOAA气象卫星图象资料估算草场生物量方法的初步研究

新疆幅员辽阔,草场面积>40×10⁴km²,是我国主要畜牧业基地之一。因此测量草场生物量和掌握其动态变化可以为合理规划、利用和改良草场以及发展畜牧业提供科学依据。 测量草场生物量的方法很多。传统的方法是人工割下单位面积的草,称其重量来估算生物量,但此法繁琐费时,而且是一种破坏性的测量方法,同一块草场采样不能重复进     

华北植被的净初级生产力研究及其时空格局分析

在CASA模型的基础上,建立了利用NOAA/AVHRR 1B卫星资料和气象资料估算植被净初级生产力(NPP)的技术方法,该方法有3个特色:直接利用NOAA/AVHRR 1B卫星数据,不需要经过大气校正和方向反射率校正来实现NPP估算;考虑了植被覆盖类型对光能利用率的影响;考虑了植被反照率在计算净辐射中的差异。利用该方法对2007年华北地区的NPP模拟结果表明:2007年华北地区植被的年总NPP为3.68×1014gC/a,各省总的NPP贡献率依次为:内蒙古64%、山西20%、河北13%、北京2%和天津1%,各季的贡献率大小依次为:夏季67%,秋季17%、春季15%,冬季1%。不同植被类型年NPP分别为:森林灌丛为271~560 gC/m2.a,草原为97~278 gC/m2.a,农田为363~376 gC/m2.a,建筑居民地为216 gC/m2.a,荒漠裸地为14 gC/m2.a。受物候和气候因素影响,不同植被类型NPP具有不同的年变化。     

Vegetation monitoring using different scale of remote sensing data

This work sets out to simulate landscape model of Mu Us Desert in Inner Mongolia Autonomous Region of China at different spatial resolution using remote sensing images and distinguished landscape heterogeneity among different spatial resolutions. Landscape models were created from classification image of SPOT satellite data with 20m resolution and NOAA data with 1 km resolution. This study created landscape models of different scales by resampling the SPOT classified image using majority rule. The pixel resolution was increased from the finest scale of 20m by 20m up to 1000m by 1000m that was the coarsest spatial resolution. The Shannon diversity index was used to compare landscape models between different scales. At the finer scale the verify small patches such as deciduous forest, shrub and reedswamp with high vegetation coverage set on matrices with low vegetation cover (moving sand dune and sparse grassland) were verified. Broadening of scale resulted to the loss of small patches and at 1000m resolution, matrix classes were dominant. At 1km resolution of NOAA data, the matrix classes which greatly related to the topography of Mu Us Desert were detected. Diversity index decreased during scale broadening and the difference between SPOT 1km scale model and AVHRR data was not significant. The results showed that SPOT 20m model is good for the use of ecotone oriented revegetation planning, and NOAA 1km model is good for the seasonal and annual monitoring of each landscape unit, and revegetation planning at the regional level.     

基于多种植被指数信息与联合稀疏表示的红树林种类识别

红树林种类识别对于研究红树林生态系统的变化具有重要意义。本文以广西铁山港红树林区为研究区域,以国产资源三号测绘卫星数据为数据源,分析区内各种红树林的光谱特性,并结合多项植被指数（RVI,NDVI,VARI和NDGI）信息,采用联合稀疏表示分类器进行红树林种类遥感识别。本文主要分析了桐花树、海漆、白骨壤、红海榄、秋茄、海桑、木榄这7种红树林种类以及陆地灌丛、泥滩、草地这些非红树林种类的几项植被指数,并结合多光谱图像的几何空间与光谱特征空间,采用联合稀疏表示算法进行红树林种类分类。利用组合光谱和4种植被指数信息进行分类可以达到最好的分类效果,总体精度为95.37%,kappa系数为0.9347。实验结果表明:光谱特征结合植被指数信息进行分类能提高分类精度,四种植被指数中NDVI对于区分红树林种类具有更大的贡献,联合稀疏表示分类器在红树林种类识别中表现出优异的分类效果。     

藏西北高寒牧区草地退化现状与机理分析

以藏西北高寒牧区为研究区域,综合利用NOAA、MODIS卫星NDVI(归一化植被指数)、气象资料、社会统计资料并结合GIS技术,对藏西北高寒牧区的草地状况和退化机理作了分析。结果表明:①藏西北高寒牧区草地覆盖度等级呈正态分布,且中等偏下略多,地表植被总体上比较稀疏;②2005年区域内的草地退化总面积为14.19×10⁴km²,占区域天然草地总面积的39.64%,其中轻度退化面积最多,占退化总面积的65.96%,其次是中度和重度退化,分别占25.20%和8.84%;③草地退化的主要原因一是与近年来该区域的气候变化有关,二是草地超载率达到59.18%,过度放牧引起的草地退化和沙化现象也越来越严重,是局部草地退化的根本原因,人口的增加和人类活动频繁对草场的破坏,也是近年来草地退化的主要原因。     

天山北坡典型退化草地植被覆盖度监测模型构建与评价

草地退化是当今世界面临的一个极为严峻的生态问题。植被覆盖度作为草地退化监测的重要指标之一,在草地退化、荒漠化治理方面起着重要的作用。为了构建适合于天山北坡典型草地植被覆盖度监测模型,便于对草地及时、快速的监测分析,研究利用新疆阜康市2008年9月Landsat TM遥感影像数据和相应的实测数据,分别探讨5种植被指数(NDVI、RVI、GNDVI、SAVI和MSAVI)与植被覆盖度的线性和非线性(二次多项式、指数、对数以及幂函数)关系,以便获得最佳监测草地状况的植被指数和模型。研究结果表明,MSAVI和GNDVI与植被覆盖度的相关性最好(P<0.01),而NDVI和RVI较差;通过5种植被指数和植被覆盖度进行回归分析,MSAVI和GNDVI与植被覆盖度分别建立模型最佳,即:y=138.45x-1.248 2(R²=0.502 7,P<0.01)和y=2 596.66x²-561.54x+38.488(R²=0.605 3,P<0.01),精度达到90%以上。该研究结果说明不同的植被指数适用的条件不同,为今后利用3S技术深入研究荒漠退化草地植被状况的快速监测和科学管理提供支持。